0 calificaciones0% encontró este documento útil (0 votos)
65 vistas1 página
. Considere el modelo de regresi´on
yi = β1x1i + β2x2i + µi
a. Derive el estimado de MCO para β1 y β2 en funci´on de (xi
, yi)
b. Suponga que el modelo ahora posee un intercepto. Mostrar que los estimadores de
m´ınimos cuadrados satisfacen βˆ
0 = ¯yi − βˆ
1x¯1 − βˆ
2x¯
. Considere el modelo de regresi´on
yi = β1x1i + β2x2i + µi
a. Derive el estimado de MCO para β1 y β2 en funci´on de (xi
, yi)
b. Suponga que el modelo ahora posee un intercepto. Mostrar que los estimadores de
m´ınimos cuadrados satisfacen βˆ
0 = ¯yi − βˆ
1x¯1 − βˆ
2x¯
. Considere el modelo de regresi´on
yi = β1x1i + β2x2i + µi
a. Derive el estimado de MCO para β1 y β2 en funci´on de (xi
, yi)
b. Suponga que el modelo ahora posee un intercepto. Mostrar que los estimadores de
m´ınimos cuadrados satisfacen βˆ
0 = ¯yi − βˆ
1x¯1 − βˆ
2x¯
Semestre 2023-I Producto Académico III Mayo Profesor: Mg. Fritz Sierra Tintaya WSP: 993 412 485
Producto Académico III
1. Considere el modelo de regresión
yi = β1 x1i + β2 x2i + µi
a. Derive el estimado de MCO para β1 y β2 en función de (xi , yi )
b. Suponga que el modelo ahora posee un intercepto. Mostrar que los estimadores de mı́nimos cuadrados satisfacen βˆ0 = ȳi − βˆ1 x¯1 − βˆ2 x¯2
2. Considere el modelo de regresión lineal simple yi = α + βxi + µi .
a. Derive el estimador de MCO para α y β. ¿Cuál es la varianza de β? Mostrar que
el estimador de MCO para β es insesgado y consistente. b. Demuestre que el promedio de los valores prosticados de yi es igual a media de los valores verdaderos (ŷ¯ = ȳ). c. Demostrar que ŷi = ᾱ + β̂xi pasa por el punto (x̄, ȳ)(medias muestrales)
3. Mostrar que log Y = α + β log X + µ da el mismo estimador de mı́nimos cuadrados
ordinarios de β si los logaritmos se toman en base 10 o base e ¿Es esto cierto para el estimador de α?
4. Analice las siguientes proposiciones y explique:
a. El análisis de regresión y el análisis de correlación son dos conceptos similares.
b. El estimador MCO es eficiente, de tal manera que sus estimaciones se aproximan al parámetro poblacional. c. Los residuos minimo-cuadraticos ordinarios de una regresión de Y sobre la variable explicativa (X) son ortogonales a X, pero no lo son a Y. d. En el modelo de regresión lineal general, el supuesto de normalidad de las pertur- baciones es necesario para poder estimar los parámetros del modelo.